Indiquer les paramètres par défaut pour Classification TreeNet^®

Fichier > Options > Analyse prédictive > Classification TreeNet®

Spécifiez les méthodes par défaut pour Classification TreeNet^®. Les modifications apportées aux paramètres par défaut s'appliquent jusqu'à une nouvelle modification de ces derniers, même si vous avez quitté Minitab.

Critère de sélection du nombre d'arbres optimal avec réponse binaire

Sélectionnez la méthode pour générer votre modèle optimal. Vous pouvez comparer les résultats de plusieurs méthodes pour déterminer le meilleur choix pour votre application.

Log de vraisemblance maximal : la méthode du maximum de vraisemblance trouve le maximum des fonctions de vraisemblance pour les données.
Zone maximale située sous la courbe ROC : la méthode de la zone maximale située sous la courbe ROC fonctionne bien dans de nombreuses applications. L'aire sous la courbe ROC mesure la capacité du modèle à classer les lignes de la plus susceptible de produire un événement à la moins susceptible de produire un événement. Cette option est disponible avec une réponse binaire.
Taux minimal de mauvais classement : sélectionnez cette option pour afficher les résultats pour le modèle qui réduit le taux de mauvais classement. Le taux de mauvais classement repose sur un simple dénombrement de la fréquence à laquelle le modèle prédit un cas correctement ou incorrectement.

Critères de sélection du nombre d'arbres optimal avec réponse multinomiale

Sélectionnez la méthode pour générer votre modèle optimal. Vous pouvez comparer les résultats de plusieurs méthodes pour déterminer le meilleur choix pour votre application.

Taux minimal de mauvais classement : sélectionnez cette option pour afficher les résultats pour le modèle qui réduit le taux de mauvais classement. Le taux de mauvais classement repose sur un simple dénombrement de la fréquence à laquelle le modèle prédit un cas correctement ou incorrectement.
Log de vraisemblance maximal : la méthode du maximum de vraisemblance trouve le maximum des fonctions de vraisemblance pour les données.

Nombre maximal de nœuds terminaux par arbre et Profondeur maximale de l'arbre

Vous pouvez également limiter la taille des arbres. Sélectionnez l'une des options suivantes pour limiter la taille des arbres.

Nombre maximal de nœuds terminaux par arbre : saisissez une valeur entre 2 et 2 000 pour définir le nombre maximal de nœuds terminaux d'un arbre. Habituellement, 6 fournit un bon équilibre entre la vitesse de calcul et l’étude des interactions entre les variables. Une valeur de 2 élimine l'examen des interactions.
Profondeur maximale de l'arbre : saisissez une valeur entre 2 et 1 000 pour définir la profondeur maximale d'un arbre. Le nœud racine correspond à une profondeur de 1. Dans de nombreuses applications, les profondeurs de 4 à 6 donnent des modèles relativement adéquats.

Pénalité de valeur manquante

Saisissez une valeur de pénalités pour un prédicteur avec des valeurs manquantes Parce qu’il est plus facile d’être un bon diviseur avec moins de données, les prédicteurs avec données manquantes ont un avantage sur les prédicteurs sans données manquantes. Utilisez cette option pour pénaliser les prédicteurs avec données manquantes.

0,0 ≤ K ≤ 2,0, par exemple :

K = 0 : Spécifie aucune pénalité.
K = 2 : Spécifie la pénalité la plus élevée.

Pénalité de catégorie de niveau élevé

Saisissez une valeur de pénalité pour les prédicteurs de catégorie qui ont de nombreuses valeurs. Parce que les prédicteurs de catégorie avec de nombreux niveaux peuvent déformer un arbre en raison de leur puissance de fractionnement accrue, ils ont un avantage sur les prédicteurs avec moins de niveaux. Utilisez cette option pour pénaliser les prédicteurs avec de nombreux niveaux.

0,0 ≤ K ≤ 5,0, par exemple :

K = 0 : Spécifie aucune pénalité.
K = 5 : Spécifie la pénalité la plus élevée.

Indiquer les paramètres par défaut pour Classification TreeNet®

Indiquer les paramètres par défaut pour Classification TreeNet^®